Gradient-based smoothing parameter selection for nonparametric regression estimation
基于梯度的非参数回归平滑参数选择AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用非参数回归的梯度与带宽选择，未提供足以归入所列应用细分的证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
基于梯度的非参数回归平滑参数选择
- 研究问题
- 回归函数的梯度通常无法直接观测，如何利用数据选择适合梯度估计的带宽，并使其接近已知真实梯度时的选择？
- 方法与思路
- 作者提出基于未知回归函数梯度的数据驱动带宽选择程序，研究其渐近行为，并通过模拟考察有限样本表现。
- 材料陈述的贡献
- 摘要称，所选带宽的渐近行为如同选择时已知真实梯度；模拟展示该机制的有限样本吸引力，并支持理论预测。
- 阅读关注点
- 应核对带宽选择准则、梯度估计方式、渐近等价的具体含义，以及回归函数光滑性和样本条件对结果的限制。
- 阅读边界
- 仅据所给出版社摘要，无法判断具体正则条件、收敛速度和模拟改进幅度；摘要未说明这些细节，也不能推断其他版本变化。
原文摘要
Estimating gradients is of crucial importance across a broad range of applied economic domains. Here we consider data-driven bandwidth selection based on the gradient of an unknown regression function. This is a difficult problem given that direct observation of the value of the gradient is typically not observed. The procedure developed here delivers bandwidths which behave asymptotically as though they were selected knowing the true gradient. Simulated examples showcase the finite sample attraction of this new mechanism and confirm the theoretical predictions.